Conception d’algorithmes temps réels pour la détection de pannes et l’atténuation de fatigue à l’échelle des fermes d’éoliennes

Statut
à pourvoir
Domaine
Lieu

Dans le domaine de l’énergie éolienne, les exploitants se préoccupent aujourd’hui d’utiliser les parcs existants de manière plus efficace, en atténuant les sollicitations mécaniques à l’échelle de la ferme et en réduisant les coûts de maintenance par la détection de pannes améliorée. Dans ce contexte, notre question centrale sera « Comment concevoir un algorithme capable d'estimer de manière optimale et robuste le sillage et le champ de vent 3D en temps réel à l'échelle d’une ferme ? ». En effet, l’estimation de ces grandeurs complexes est une étape nécessaire pour aller plus loin : une fois que l'état du parc éolien a été estimé avec précision, il peut être utilisé pour concevoir de nouveaux algorithmes de détection de pannes et de meilleurs contrôleurs pour la répartition de la charge dans la ferme. Jusqu'à présent, la plupart des algorithmes de détection de pannes et des contrôleurs de répartition de charge reposent sur une hypothèse statique pour la direction du vent et la vitesse du vent et que le vent provient de deux / trois directions fixes. De plus, les approches classiques consistent principalement en une estimation centralisée et des modèles de sillage paramétriques et sont malheureusement incapables de répondre à notre question centrale en raison de l’imprécision des résultats des estimations et de la complexité des calculs. Nous sommes donc confrontés à un défi scientifique solide. On utilisera des méthodes de modélisation par processus gaussien et de filtrage avancé dans un contexte de calculs distribués.
Les résultats de la thèse permettront deux avancées majeures :

  •  Une amélioration importante des performances d’estimation de grandeurs complexes en temps réel (sillage, champ de vent 3D) pouvant servir à la détection de pannes et au contrôle de la charge au niveau de la ferme.
  •  Une robustesse améliorée face aux défaillances du réseau de communication.

Mots clefs: Estimation, Processus Gaussien, Machine Learning, Calculs distribués, Filtrage, Eolien, Ferme

 

  • Directeur de thèse    Prof. Nicolas PETIT, CAS, MINES ParisTech
  • Ecole doctorale    ED432 - Sciences des Métiers de l'Ingénieur
  • Encadrant IFPEN    Dr. Olivier LEPREUX, Ingénieur de recherche, Département contrôle, signal, systèmes
  • Localisation du doctorant    IFP Energies nouvelles, Lyon, France
  • Durée et date de début    3 ans, début de préférence en octobre 2019
  • Employeur    IFP Energies nouvelles, Lyon, France
  • Qualifications    Ecole d’ingénieur ou Master 2 en mathématiques, automatique
  • Connaissances linguistique    Anglais courant
     
A propos d'IFP Energies nouvelles

IFP Energies nouvelles est un organisme public de recherche, d’innovation et de formation dont la mission est de développer des technologies performantes, économiques, propres et durables dans les domaines de l’énergie, du transport et de l’environnement. Pour plus d’information, voir www.ifpen.fr. 
IFPEN met à disposition de ses chercheurs un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très performants. IFPEN a une politique salariale et de couverture sociale compétitive. Tous les doctorants participent à des séminaires et des formations qui leur sont dédiés.
 

Contact
Encadrant IFPEN 
Dr. Olivier LEPREUX
Département contrôle, signal, systèmes